Aplicación de redes neuronales en la evaluación de la calidad de la información contable
Application of neural networks in the quality evaluation of accouting information
Ver/ Abrir
Identificadores
URI: http://hdl.handle.net/10902/16079Registro completo
Mostrar el registro completo DCFecha
2019-02Director/es
Derechos
Atribución-NoComercial-SinDerivadas 3.0 España
Palabras clave
Información contable
Calidad
Redes neuronales
Valor atípico
Accounting information
Quality
Neural networks
Outlier
Resumen/Abstract
RESUMEN: La calidad de la información contable se basa en su cumplimiento de ciertas cualidades. Las más importantes de estas son la relevancia o utilidad, y la fiabilidad, por eso, en el estudio del comportamiento de las empresas en un sector económico en general existen una serie de ellas que presentan comportamientos y/o valores anómalos con respecto al grupo principal, que denominamos outlier1. Su identificación es, a menudo, el punto de partida de muchos estudios. Los analistas y auditores necesitan conjuntos de compañías homogéneos y con poca variabilidad para estudiar el comportamiento general de sus sectores y buscan outliers para encontrar errores contables, fraudes, ventajas competitivas, etc.
El objetivo de este trabajo es diseñar y utilizar una herramienta para automatizar esta tarea de detección de anomalías. Los clasificadores de redes neuronales son los elegidos aquí para tratar este problema. La red neuronal es alimentada con un conjunto de compañías cuyas ratios han sido etiquetadas previamente como outliers o normales. El resultado es un vector (modelo) con el que el usuario puede clasificar compañías distintas.
Este tema fue elegido por tres razones. Primero, el fraude y el mal reporte de la información contable tienen un efecto muy negativo en compañías, mercados, economía y sociedad. Segundo, las técnicas de inteligencia artificial como las redes neuronales son utilizadas crecientemente con objetivos similares como la detección del fraude y la predicción de quiebra con buenos resultados. Finalmente, la detección de outliers es un medio apropiado para identificar la calidad de la información contable, tal y como hemos dicho antes.
Una vez desarrollada, la herramienta se aplicó a un conjunto de empresas reales del sector de fabricación de muebles en España, para comparar diferentes configuraciones respecto a los datos ausentes y a los grados de detalle de la salida. La herramienta fue utilizada para buscar el mejor modelo para cada configuración, probando varios parámetros de diseño de las redes neuronales, relacionados con su complejidad. Además, se imprimieron varios parámetros y gráficas para mostrar el tipo de error que permanecía para el mejor modelo.
El sector de la fabricación de muebles fue elegido por su importancia para la economía española y su estrecha relación con otros como el sector de la construcción… El mejor modelo fue aplicado a otras compañías de este sector y las malas clasificaciones fueron analizadas para justificar su utilidad por cualquier usuario potencial.
ABSTRACT: The quality of accounting information depends on whether it has certain features or not. The most important of these features are usefulness and trustworthiness. Because of this, in the study of the behaviour of the companies in an economic sector, those companies with anomalies are known as outliers2. Identifying Outlier companies is often the starting point for many studies. Analysts and auditors need homogenous sets of companies with little variability to study the general behaviour of their economic sectors, and they also look for outliers to find accounting errors, frauds, competitive advantages…
The goal of this work is to design and use a tool to automate this outlier identification task. Neural network classifiers have been chosen to deal with this problem. The neural network is fed with a sample of companies which ratios have been previously labelled as outlier or normal. The result is a vector which the user can use to classify new non-labelled companies.
This topic was chosen for three reasons. First, fraud and bad accounting information reporting have a very negative impact in companies, markets, economy, and society. Second, Artificial Intelligence techniques like neural networks are increasingly used with similar goals such as fraud detection and bankruptcy prediction with great results. And finally, outlier detection is a proper way to identify the accounting information quality.
Once developed, the tool was applied to a set of real companies from the Spanish furniture manufacturing sector, to compare different configurations regarding missing data and degrees of detail of the output. The tool was used to look for the best model for each data configuration by trying several design parameters of the neural networks related to their complexity. In addition, several graphs and parameters were printed to show what kind of error remained for the best model.
The furniture manufacturing sector was chosen due to its importance in the Spanish economy and its close relation to several others such as the building sector… The best model was applied to other companies in this sector and bad classifications were analysed to justify its usefulness for any potential user.